|
|
1.
基于间隔理论的过采样集成算法
张宗堂, 陈喆, 戴卫国
计算机应用
2019, 39 (5):
1364-1367.
DOI: 10.11772/j.issn.1001-9081.2018112346
针对传统集成算法不适用于不平衡数据分类的问题，提出基于间隔理论的AdaBoost算法（MOSBoost）。首先通过预训练得到原始样本的间隔；然后依据间隔排序对少类样本进行启发式复制，从而形成新的平衡样本集；最后将平衡样本集输入AdaBoost算法进行训练以得到最终集成分类器。在UCI数据集上进行测试实验，利用F-measure和G-mean两个准则对MOSBoost、AdaBoost、随机过采样AdaBoost（ROSBoost）和随机降采样AdaBoost（RDSBoost）四种算法进行评价。实验结果表明，MOSBoost算法分类性能优于其他三种算法，其中，相对于AdaBoost算法，MOSBoost算法在
F-measure和
G-mean准则下分别提升了8.4%和6.2%。
参考文献 |
相关文章 |
多维度评价
|
|
